| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12页 |
| 1.2 发酵过程简介及特征分析 | 第12-16页 |
| 1.2.1 发酵过程简介 | 第12-14页 |
| 1.2.2 发酵过程的批次不等长特性 | 第14-15页 |
| 1.2.3 发酵过程的多阶段特性 | 第15页 |
| 1.2.4 发酵过程的动态性 | 第15-16页 |
| 1.3 发酵过程监测研究现状及不足 | 第16-20页 |
| 1.3.1 过程监测方法的分类 | 第16-17页 |
| 1.3.2 数据驱动的过程监测 | 第17-20页 |
| 1.3.3 发酵过程的故障监测 | 第20页 |
| 1.4 本论文主要研究内容 | 第20-23页 |
| 1.5 本论文组织结构 | 第23-25页 |
| 第2章 基于多约束动态时间规整的批次不等长处理 | 第25-41页 |
| 2.1 引言 | 第25-26页 |
| 2.2 DTW算法 | 第26-27页 |
| 2.3 全局路径限制 | 第27-28页 |
| 2.4 失真度阈值限制 | 第28-29页 |
| 2.5 多约束DTW的批次不等长数据处理 | 第29-30页 |
| 2.5.1 参考批次轨迹缩放 | 第29页 |
| 2.5.2 多约束DTW批次轨迹同步 | 第29-30页 |
| 2.6 仿真研究 | 第30-39页 |
| 2.6.1 青霉素发酵过程 | 第30-34页 |
| 2.6.2 青霉素发酵过程的批次不等长特性分析 | 第34-36页 |
| 2.6.3 多约束DTW青霉素发酵过程数据处理 | 第36-39页 |
| 2.7 本章小结 | 第39-41页 |
| 第3章 基于PDPSO优化的AP聚类阶段划分 | 第41-51页 |
| 3.1 引言 | 第41页 |
| 3.2 AP聚类算法 | 第41-42页 |
| 3.3 PDPSO算法 | 第42-46页 |
| 3.3.1 PSO算法 | 第42-43页 |
| 3.3.2 PDPSO惯性权重机制设计 | 第43-45页 |
| 3.3.3 PDPSO算法目标函数选取 | 第45-46页 |
| 3.4 基于PDPSO优化的AP聚类算法阶段划分 | 第46-48页 |
| 3.5 仿真研究 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 基于多阶段自回归主元分析的发酵过程监测 | 第51-67页 |
| 4.1 引言 | 第51-52页 |
| 4.2 主元分析与自回归模型 | 第52-54页 |
| 4.2.1 主元分析模型 | 第52-53页 |
| 4.2.2 自回归模型 | 第53-54页 |
| 4.3 基于AR残差的MPCA模型 | 第54-55页 |
| 4.4 多阶段AR-PCA监测 | 第55-56页 |
| 4.5 多阶段AR-PCA监测模型的建立 | 第56-57页 |
| 4.5.1 基于多约束DTW的批次不等长处理 | 第56-57页 |
| 4.5.2 数据预处理 | 第57页 |
| 4.5.3 基于PDPSO优化的AP聚类划分阶段 | 第57页 |
| 4.5.4 多阶段AR-PCA建模 | 第57页 |
| 4.6 仿真研究 | 第57-65页 |
| 4.6.1 AR建模条件检验 | 第57-59页 |
| 4.6.2 AR去除相关性验证分析 | 第59页 |
| 4.6.3 AR模型残差高斯性验证 | 第59-62页 |
| 4.6.4 多阶段AR-PCA过程在线监测及对比分析 | 第62-65页 |
| 4.7 本章小结 | 第65-67页 |
| 第5章 大肠杆菌发酵过程实验验证 | 第67-73页 |
| 5.1 大肠杆菌发酵过程简介 | 第67-68页 |
| 5.2 实验过程与结果分析 | 第68-72页 |
| 5.2.1 大肠杆菌发酵过程数据不等长处理 | 第68-70页 |
| 5.2.2 大肠杆菌发酵过程的阶段化分 | 第70页 |
| 5.2.3 大肠杆菌发酵过程的故障监测 | 第70-72页 |
| 5.3 本章小结 | 第72-73页 |
| 总结与展望 | 第73-77页 |
| 总结 | 第73-74页 |
| 展望 | 第74-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间取得的学术成果 | 第83-85页 |
| 致谢 | 第85-86页 |